如何对3D NumPy数组指定区域求平均并动态配置采样区域？

问题背景 #

我有一个维度为(1920, 1080, 4)的3D NumPy数组，代表NoIR PiCam的视频帧，最后一维为[R, G, B, 占位字节]。目前已通过固定区域采样估算光值（代码如下），但希望动态配置采样区域——比如通过指定网格坐标(x,y)和区域大小(p,q)来抽象采样区域，想了解合适的实现方案，此前了解过scikit-image，不确定是否适配。

现有固定采样代码 #

average1 = np.average(np_array[240:480, 675:940, 0:3])
average1 = np.average(np_array[240:480, 675:940, 0:3])  # 笔误重复行
average2 = np.average(np_array[1440:1680, 675:945, 0:3])
average3 = np.average(np_array[840:1080, 405:675, 0:3])
average4 = np.average(np_array[240:480, 135:405, 0:3])
average5 = np.average(np_array[1440:1680, 135:405, 0:3])

实现方案 #

1. 纯NumPy实现（推荐，轻量灵活） #

无需额外依赖，通过定义采样区域参数列表或动态生成网格区域，即可实现完全动态的采样配置：

动态配置固定区域采样

import numpy as np

# 手动定义采样区域：每个元素为 (y起始, y结束, x起始, x结束)
sample_regions = [
    (240, 480, 675, 940),
    (1440, 1680, 675, 945),
    (840, 1080, 405, 675),
    (240, 480, 135, 405),
    (1440, 1680, 135, 405)
]

# 批量计算所有区域的RGB均值
averages = []
for y_start, y_end, x_start, x_end in sample_regions:
    region_rgb = np_array[y_start:y_end, x_start:x_end, :3]
    avg = np.average(region_rgb)
    averages.append(avg)

按网格自动生成采样区域

如果需要按指定行数、列数和区域大小生成规则网格采样，可封装生成函数：

def generate_grid_regions(frame_shape, rows, cols, region_height, region_width):
    frame_h, frame_w = frame_shape[:2]
    # 计算网格步长，确保区域不超出帧范围
    y_step = (frame_h - region_height) // (rows - 1) if rows > 1 else 0
    x_step = (frame_w - region_width) // (cols - 1) if cols > 1 else 0
    
    regions = []
    for i in range(rows):
        y_start = i * y_step
        y_end = y_start + region_height
        for j in range(cols):
            x_start = j * x_step
            x_end = x_start + region_width
            regions.append((y_start, y_end, x_start, x_end))
    return regions

# 示例：生成3行2列、区域大小240x265的采样区域
sample_regions = generate_grid_regions(np_array.shape, 3, 2, 240, 265)
# 后续均值计算同上述代码

2. scikit-image适配说明 #

scikit-image可以实现，但针对当前需求属于冗余依赖——它更适合复杂图像处理任务（如分割、特征提取）。如果需要用它实现规则网格采样，可使用view_as_windows生成滑动窗口：

from skimage.util import view_as_windows

# 生成不重叠的规则窗口，窗口大小为(region_height, region_width, 3)
region_h, region_w = 240, 265
windows = view_as_windows(
    np_array[:, :, :3],
    window_shape=(region_h, region_w, 3),
    step=(region_h, region_w, 3)  # 步长等于窗口大小，实现不重叠采样
)

# 计算每个窗口的RGB均值，结果展平为一维列表
averages = np.mean(windows, axis=(3, 4, 5)).flatten()

这种方式仅适合规则网格采样，若需不规则区域采样，NumPy的手动配置方案更灵活。

内容的提问来源于stack exchange，提问作者Daniel Godø-Dempsey